按星期Python分類數據

Question

給定Python 2.7中的列表列表：

[['OCT 27, 2015',2,4,6,8],['NOV 03, 2015',1,5,9,2],['NOV 05, 2015',2,4,6,8]]

您通常如何打印出列表的平均值； 然后根據星期幾取平均值。 例如：

2.5, 6.5, 10.5, 9, 1.5, 4.5, 7.5, 5, 2, 4, 6, 8

哪里：

1.5、4.5、7.5、5是自上周二以來兩次產生的平均值

2.5、6.5、10.5、9通常是列表的平均值

那么2、4、6、8是星期四出現的平均值

我很確定我可以使用zip（）函數來獲取所有類似的值。 我只是不確定一周中每天（星期一，星期二，星期三等）所計算的平均值

如何將其組織為帶有“ Averages”和“ Monday，Tuesday，..”作為其他標題的簡潔表格格式

   Averages     Monday      Tuesday      Wednesday   Thursday   Friday  Saturday Sunday
2.5 6.5 10.5 9    0      1.5 4.5 7.5 5       0       2 4 6 8       0       0       0

我應該使用if語句嗎？

Answer 1

對於pandas這似乎是一項出色的工作：

from __future__ import print_function   
import pandas as pd
import numpy as np

raw_data = [['OCT 27, 2015',2,4,6,8],['NOV 03, 2015',1,5,9,2],['NOV 05, 2015',2,4,6,8]]
pandas_data = pd.DataFrame(raw_data, columns=['Date', 'A', 'B', 'C', 'D'])
pandas_data["Date"] = pd.to_datetime(pandas_data["Date"])
print(pandas_data)
print(pandas_data.mean())

輸出：

        Date  A  B  C  D
0 2015-10-27  2  4  6  8
1 2015-11-03  1  5  9  2
2 2015-11-05  2  4  6  8

A    1.666667
B    4.333333
C    7.000000
D    6.000000

這為我們提供了所有列的摘要統計信息，但是對於一周中的特定幾天，我會執行以下操作（遵循上面的代碼）：

pandas_data["Day of the Week"] = pandas_data["Date"].dt.dayofweek
grouped_data = pandas_data.groupby('Day of the Week').aggregate(np.mean)
print(grouped_data)

輸出：

                   A    B    C  D
Day of the Week
1                1.5  4.5  7.5  5
3                2.0  4.0  6.0  8

pandas在星期幾的約定是Monday = 0，Sunday = 6

pandas的groupby函數執行其提示：它根據某些條件（在本例中為“星期幾”列）對數據進行分組。 然后， aggregate函數將在這些組上運行給定的函數，並為您提供結果。

Answer 2

您可以使用itertools.groupby ：

from itertools import groupby
import datetime


l = [['OCT 27, 2015', 2, 4, 6, 8],
     ['NOV 03, 2015', 1, 5, 9, 2],
     ['NOV 05, 2015', 2, 4, 6, 8]]


# Day of week as number. Monday == 0 ... Sunday == 6
def day_of_week(str_date):
    return datetime.datetime.strptime(str_date, '%b %d, %Y').weekday()


stats = [None] * 7
for key, group in groupby(l, key=lambda x: day_of_week(x[0])):
    z = zip(*group)
    next(z)  # skip dates
    stats[key] = [sum(i) / len(i) for i in z]

print(stats)

輸出：

[None, [1.5, 4.5, 7.5, 5.0], None, [2.0, 4.0, 6.0, 8.0], None, None, None]